In [27]:
sns.set_style('whitegrid')
plt.figure(figsize=(18,5))
sns.countplot(data = data, x = 'year_of_release')
Out[27]:
<AxesSubplot:xlabel='year_of_release', ylabel='count'>
Мы работаем в интернет-магазине «Стримчик», который продаёт по всему миру компьютерные игры. Из открытых источников доступны исторические данные о продажах игр, оценки пользователей и экспертов, жанры и платформы (например, Xbox или PlayStation). Нам нужно выявить определяющие успешность игры закономерности. Это позволит сделать ставку на потенциально популярный продукт и спланировать рекламные кампании.
Цель исследования:
Описание данных:
Ход исследования и основные задачи проекта:
1.1 Импорт необходимых библиотек
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px
from scipy import stats as st
1.2 Загрузка и чтение данных из csv-файла в датафрейм c помощью библиотеки pandas
data = pd.read_csv('/datasets/games.csv')
display(data)
data.info()
| Name | Platform | Year_of_Release | Genre | NA_sales | EU_sales | JP_sales | Other_sales | Critic_Score | User_Score | Rating | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | Wii Sports | Wii | 2006.0 | Sports | 41.36 | 28.96 | 3.77 | 8.45 | 76.0 | 8 | E |
| 1 | Super Mario Bros. | NES | 1985.0 | Platform | 29.08 | 3.58 | 6.81 | 0.77 | NaN | NaN | NaN |
| 2 | Mario Kart Wii | Wii | 2008.0 | Racing | 15.68 | 12.76 | 3.79 | 3.29 | 82.0 | 8.3 | E |
| 3 | Wii Sports Resort | Wii | 2009.0 | Sports | 15.61 | 10.93 | 3.28 | 2.95 | 80.0 | 8 | E |
| 4 | Pokemon Red/Pokemon Blue | GB | 1996.0 | Role-Playing | 11.27 | 8.89 | 10.22 | 1.00 | NaN | NaN | NaN |
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 16710 | Samurai Warriors: Sanada Maru | PS3 | 2016.0 | Action | 0.00 | 0.00 | 0.01 | 0.00 | NaN | NaN | NaN |
| 16711 | LMA Manager 2007 | X360 | 2006.0 | Sports | 0.00 | 0.01 | 0.00 | 0.00 | NaN | NaN | NaN |
| 16712 | Haitaka no Psychedelica | PSV | 2016.0 | Adventure | 0.00 | 0.00 | 0.01 | 0.00 | NaN | NaN | NaN |
| 16713 | Spirits & Spells | GBA | 2003.0 | Platform | 0.01 | 0.00 | 0.00 | 0.00 | NaN | NaN | NaN |
| 16714 | Winning Post 8 2016 | PSV | 2016.0 | Simulation | 0.00 | 0.00 | 0.01 | 0.00 | NaN | NaN | NaN |
16715 rows × 11 columns
<class 'pandas.core.frame.DataFrame'> RangeIndex: 16715 entries, 0 to 16714 Data columns (total 11 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 Name 16713 non-null object 1 Platform 16715 non-null object 2 Year_of_Release 16446 non-null float64 3 Genre 16713 non-null object 4 NA_sales 16715 non-null float64 5 EU_sales 16715 non-null float64 6 JP_sales 16715 non-null float64 7 Other_sales 16715 non-null float64 8 Critic_Score 8137 non-null float64 9 User_Score 10014 non-null object 10 Rating 9949 non-null object dtypes: float64(6), object(5) memory usage: 1.4+ MB
Дата-сет на данный момент содержит 16715 строк и 11 столбцов. Исходя из общих данных по дата-сету, видна необходимость предобработки данных, а именно: переименование значений столбцов таблицы для удобной дальнейшей работы, предобработка пропусков в данных о названии игры, платформе, годе выпуска, рейтинге и отзывах критиков и пользователей, а также необходимо изменить тип данных в некоторых столбцах.
2.1 Переименование столбцов
#приводим названия стобцов датафрейма к нижнему регистру
data = data.rename(columns=str.lower)
2.2 Преобработка дубликатов
#считаем количество явных дубликатов
data.duplicated().sum()
0
Явных дубликатов не было найдено. Однако стоит проверить совпадения по названию игры, платформе и году выпуска.
data.loc[data.duplicated(['name', 'platform', 'year_of_release'])]
| name | platform | year_of_release | genre | na_sales | eu_sales | jp_sales | other_sales | critic_score | user_score | rating | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 14244 | NaN | GEN | 1993.0 | NaN | 0.0 | 0.00 | 0.03 | 0.0 | NaN | NaN | NaN |
| 16230 | Madden NFL 13 | PS3 | 2012.0 | Sports | 0.0 | 0.01 | 0.00 | 0.0 | 83.0 | 5.5 | E |
Было найдено 2 повторяющиеся строки. Было решено обработать только ту строку, которая не содержит пропусков, т.к. другая в процессе дальнейшей обработки, возможно, будет удалена.
Различия данных строк заключаются только в показателях продаж на европейском рынке. В данном случае, мы может прибавить к показателям первой строки показатели второй, а затем удалить вторую строку.
data.loc[(data['name'] == 'Madden NFL 13') &
(data['platform'] == 'PS3') &
(data['year_of_release'] == 2012)]
| name | platform | year_of_release | genre | na_sales | eu_sales | jp_sales | other_sales | critic_score | user_score | rating | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 604 | Madden NFL 13 | PS3 | 2012.0 | Sports | 2.11 | 0.22 | 0.0 | 0.23 | 83.0 | 5.5 | E |
| 16230 | Madden NFL 13 | PS3 | 2012.0 | Sports | 0.00 | 0.01 | 0.0 | 0.00 | 83.0 | 5.5 | E |
data.loc[data.index == 604, 'eu_sales'] = data.loc[(data['name'] == 'Madden NFL 13') & \
(data['platform'] == 'PS3'), 'eu_sales'].sum()
data = data.loc[data.index != 16230]
data.loc[(data['name'] == 'Madden NFL 13') &
(data['platform'] == 'PS3') &
(data['year_of_release'] == 2012)]
| name | platform | year_of_release | genre | na_sales | eu_sales | jp_sales | other_sales | critic_score | user_score | rating | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 604 | Madden NFL 13 | PS3 | 2012.0 | Sports | 2.11 | 0.23 | 0.0 | 0.23 | 83.0 | 5.5 | E |
2.3 Просмотр уникальных значений
def unique_gaps(dataset):
for column in dataset.columns:
print('Уникальные значения столбца', column)
print(dataset[column].unique())
print('Количество уникальных значений столбца', column)
print(len(dataset[column].unique()))
print('Количество пропусков в столбце', column)
print(dataset[column].isna().sum())
unique_gaps(data)
Уникальные значения столбца name ['Wii Sports' 'Super Mario Bros.' 'Mario Kart Wii' ... 'Woody Woodpecker in Crazy Castle 5' 'LMA Manager 2007' 'Haitaka no Psychedelica'] Количество уникальных значений столбца name 11560 Количество пропусков в столбце name 2 Уникальные значения столбца platform ['Wii' 'NES' 'GB' 'DS' 'X360' 'PS3' 'PS2' 'SNES' 'GBA' 'PS4' '3DS' 'N64' 'PS' 'XB' 'PC' '2600' 'PSP' 'XOne' 'WiiU' 'GC' 'GEN' 'DC' 'PSV' 'SAT' 'SCD' 'WS' 'NG' 'TG16' '3DO' 'GG' 'PCFX'] Количество уникальных значений столбца platform 31 Количество пропусков в столбце platform 0 Уникальные значения столбца year_of_release [2006. 1985. 2008. 2009. 1996. 1989. 1984. 2005. 1999. 2007. 2010. 2013. 2004. 1990. 1988. 2002. 2001. 2011. 1998. 2015. 2012. 2014. 1992. 1997. 1993. 1994. 1982. 2016. 2003. 1986. 2000. nan 1995. 1991. 1981. 1987. 1980. 1983.] Количество уникальных значений столбца year_of_release 38 Количество пропусков в столбце year_of_release 269 Уникальные значения столбца genre ['Sports' 'Platform' 'Racing' 'Role-Playing' 'Puzzle' 'Misc' 'Shooter' 'Simulation' 'Action' 'Fighting' 'Adventure' 'Strategy' nan] Количество уникальных значений столбца genre 13 Количество пропусков в столбце genre 2 Уникальные значения столбца na_sales [4.136e+01 2.908e+01 1.568e+01 1.561e+01 1.127e+01 2.320e+01 1.128e+01 1.396e+01 1.444e+01 2.693e+01 9.050e+00 9.710e+00 9.000e+00 8.920e+00 1.500e+01 9.010e+00 7.020e+00 9.430e+00 1.278e+01 4.740e+00 6.380e+00 1.083e+01 9.540e+00 9.660e+00 8.410e+00 6.060e+00 3.430e+00 5.510e+00 6.850e+00 9.040e+00 5.890e+00 6.030e+00 9.700e+00 5.280e+00 4.990e+00 8.250e+00 8.520e+00 5.540e+00 6.990e+00 6.620e+00 5.030e+00 5.990e+00 3.960e+00 2.500e+00 7.970e+00 6.910e+00 4.340e+00 4.350e+00 3.010e+00 6.160e+00 6.760e+00 4.020e+00 4.890e+00 2.960e+00 4.760e+00 5.010e+00 6.730e+00 5.950e+00 3.660e+00 5.550e+00 7.040e+00 6.650e+00 3.880e+00 5.800e+00 4.100e+00 5.930e+00 4.360e+00 5.700e+00 2.030e+00 4.400e+00 5.050e+00 3.540e+00 1.120e+00 6.820e+00 1.750e+00 3.740e+00 1.060e+00 2.790e+00 2.910e+00 9.900e-01 2.570e+00 2.990e+00 2.280e+00 7.280e+00 2.760e+00 2.900e+00 2.810e+00 6.600e-01 3.780e+00 3.270e+00 3.560e+00 5.390e+00 4.590e+00 4.810e+00 4.460e+00 3.480e+00 2.850e+00 2.530e+00 2.980e+00 3.680e+00 3.150e+00 4.410e+00 4.120e+00 2.710e+00 2.930e+00 3.230e+00 4.050e+00 4.150e+00 2.770e+00 3.450e+00 3.110e+00 8.400e-01 1.660e+00 7.800e-01 2.640e+00 3.170e+00 4.980e+00 2.550e+00 3.640e+00 3.700e+00 4.010e+00 2.470e+00 8.000e-02 3.920e+00 8.000e-01 2.450e+00 4.470e+00 3.180e+00 2.630e+00 1.880e+00 2.410e+00 2.800e+00 6.300e-01 2.260e+00 2.490e+00 3.570e+00 3.070e+00 2.970e+00 2.950e+00 2.540e+00 3.280e+00 3.140e+00 4.700e-01 2.620e+00 3.210e+00 2.070e+00 2.730e+00 1.850e+00 2.180e+00 1.740e+00 3.020e+00 1.620e+00 3.130e+00 1.920e+00 3.330e+00 3.220e+00 2.300e+00 4.260e+00 9.700e-01 6.500e-01 1.210e+00 1.090e+00 2.100e+00 2.440e+00 1.980e+00 3.810e+00 3.590e+00 1.630e+00 1.960e+00 3.400e+00 6.100e-01 2.050e+00 1.700e+00 3.420e+00 3.360e+00 3.490e+00 3.050e+00 1.830e+00 2.310e+00 3.980e+00 0.000e+00 2.600e+00 1.910e+00 2.740e+00 2.830e+00 2.360e+00 1.730e+00 1.940e+00 2.290e+00 1.820e+00 2.420e+00 3.040e+00 1.800e+00 2.080e+00 1.870e+00 4.180e+00 3.190e+00 4.210e+00 3.630e+00 2.780e+00 2.000e-01 1.610e+00 1.540e+00 2.520e+00 2.660e+00 1.000e-01 2.820e+00 2.190e+00 1.560e+00 3.030e+00 2.200e+00 2.090e+00 2.110e+00 1.480e+00 4.000e+00 5.800e-01 2.510e+00 3.000e+00 2.240e+00 1.460e+00 1.410e+00 9.200e-01 8.800e-01 1.280e+00 2.250e+00 3.380e+00 2.040e+00 3.790e+00 4.030e+00 1.650e+00 7.100e-01 1.420e+00 1.100e+00 2.320e+00 1.200e-01 2.350e+00 2.120e+00 1.400e+00 1.680e+00 1.130e+00 1.220e+00 2.670e+00 1.020e+00 1.190e+00 1.530e+00 2.150e+00 9.000e-01 1.970e+00 6.800e-01 1.160e+00 9.300e-01 1.440e+00 1.600e-01 2.130e+00 2.210e+00 1.780e+00 8.600e-01 1.350e+00 1.050e+00 2.230e+00 2.400e+00 1.370e+00 1.300e+00 1.950e+00 1.930e+00 1.330e+00 1.490e+00 1.580e+00 5.000e-02 6.000e-01 2.020e+00 2.380e+00 1.600e+00 2.010e+00 1.570e+00 1.230e+00 1.900e+00 2.140e+00 1.170e+00 2.270e+00 1.640e+00 5.900e-01 1.550e+00 4.600e-01 8.100e-01 1.450e+00 2.700e-01 1.470e+00 1.990e+00 1.500e+00 9.000e-02 2.610e+00 1.890e+00 5.000e-01 8.900e-01 9.500e-01 2.340e+00 7.200e-01 1.720e+00 1.180e+00 1.760e+00 7.300e-01 1.270e+00 2.060e+00 5.500e-01 1.520e+00 1.690e+00 2.170e+00 5.100e-01 1.000e+00 1.290e+00 1.380e+00 1.150e+00 1.670e+00 1.360e+00 1.010e+00 1.040e+00 1.840e+00 2.220e+00 7.900e-01 1.510e+00 1.070e+00 1.320e+00 1.590e+00 2.000e-02 2.900e-01 1.250e+00 2.560e+00 1.430e+00 1.200e+00 4.100e-01 2.800e-01 4.300e-01 6.900e-01 2.000e+00 7.600e-01 1.860e+00 4.800e-01 6.200e-01 1.310e+00 3.700e-01 1.500e-01 6.400e-01 2.600e-01 4.900e-01 1.110e+00 1.300e-01 1.810e+00 1.030e+00 1.260e+00 8.700e-01 7.700e-01 9.600e-01 1.390e+00 1.080e+00 8.500e-01 9.100e-01 3.000e-01 3.800e-01 9.400e-01 7.000e-02 1.340e+00 1.240e+00 3.400e-01 1.400e-01 1.000e-02 5.200e-01 8.200e-01 8.300e-01 1.100e-01 2.500e-01 1.770e+00 3.600e-01 7.500e-01 7.400e-01 1.800e-01 2.200e-01 5.300e-01 4.200e-01 3.200e-01 3.900e-01 2.400e-01 2.300e-01 6.000e-02 4.500e-01 7.000e-01 6.700e-01 3.500e-01 5.600e-01 1.140e+00 9.800e-01 5.700e-01 5.400e-01 4.000e-02 1.700e-01 4.400e-01 3.000e-02 3.300e-01 3.100e-01 4.000e-01 2.100e-01 1.900e-01] Количество уникальных значений столбца na_sales 402 Количество пропусков в столбце na_sales 0 Уникальные значения столбца eu_sales [2.896e+01 3.580e+00 1.276e+01 1.093e+01 8.890e+00 2.260e+00 9.140e+00 9.180e+00 6.940e+00 6.300e-01 1.095e+01 7.470e+00 6.180e+00 8.030e+00 4.890e+00 8.490e+00 9.090e+00 4.000e-01 3.750e+00 9.200e+00 4.460e+00 2.710e+00 3.440e+00 5.140e+00 5.490e+00 3.900e+00 5.350e+00 3.170e+00 5.090e+00 4.240e+00 5.040e+00 5.860e+00 3.680e+00 4.190e+00 5.730e+00 3.590e+00 4.510e+00 2.550e+00 4.020e+00 4.370e+00 6.310e+00 3.450e+00 2.810e+00 2.850e+00 3.490e+00 1.000e-02 3.350e+00 2.040e+00 3.070e+00 3.870e+00 3.000e+00 4.820e+00 3.640e+00 2.150e+00 3.690e+00 2.650e+00 2.560e+00 3.110e+00 3.140e+00 1.940e+00 1.950e+00 2.470e+00 2.280e+00 3.420e+00 3.630e+00 2.360e+00 1.710e+00 1.850e+00 2.790e+00 1.240e+00 6.120e+00 1.530e+00 3.470e+00 2.240e+00 5.010e+00 2.010e+00 1.720e+00 2.070e+00 6.420e+00 3.860e+00 4.500e-01 3.480e+00 1.890e+00 5.750e+00 2.170e+00 1.370e+00 2.350e+00 1.180e+00 2.110e+00 1.880e+00 2.830e+00 2.990e+00 2.890e+00 3.270e+00 2.220e+00 2.140e+00 1.450e+00 1.750e+00 1.040e+00 1.770e+00 3.020e+00 2.750e+00 2.160e+00 1.900e+00 2.590e+00 2.200e+00 4.300e+00 9.300e-01 2.530e+00 2.520e+00 1.790e+00 1.300e+00 2.600e+00 1.580e+00 1.200e+00 1.560e+00 1.340e+00 1.260e+00 8.300e-01 6.210e+00 2.800e+00 1.590e+00 1.730e+00 4.330e+00 1.830e+00 0.000e+00 2.180e+00 1.980e+00 1.470e+00 6.700e-01 1.550e+00 1.910e+00 6.900e-01 6.000e-01 1.930e+00 1.640e+00 5.500e-01 2.190e+00 1.110e+00 2.290e+00 2.500e+00 9.600e-01 1.210e+00 1.120e+00 7.700e-01 1.690e+00 1.080e+00 7.900e-01 2.370e+00 2.460e+00 2.600e-01 7.500e-01 1.250e+00 2.430e+00 9.800e-01 7.400e-01 2.230e+00 6.100e-01 2.450e+00 1.410e+00 1.800e+00 3.280e+00 1.160e+00 1.990e+00 1.380e+00 1.360e+00 1.170e+00 1.190e+00 9.900e-01 1.680e+00 2.000e+00 1.330e+00 1.570e+00 1.480e+00 2.100e+00 1.270e+00 1.970e+00 9.100e-01 1.390e+00 1.960e+00 2.400e-01 1.510e+00 1.400e-01 1.290e+00 2.390e+00 1.030e+00 5.000e-01 5.800e-01 1.310e+00 2.020e+00 1.320e+00 1.010e+00 2.270e+00 2.300e+00 1.820e+00 2.780e+00 4.400e-01 4.800e-01 2.700e-01 2.100e-01 2.480e+00 5.100e-01 1.520e+00 4.000e-02 2.800e-01 1.350e+00 8.700e-01 2.130e+00 1.130e+00 1.760e+00 7.600e-01 2.120e+00 6.600e-01 1.600e+00 1.440e+00 1.430e+00 1.700e+00 4.700e-01 1.870e+00 8.600e-01 7.300e-01 1.280e+00 8.100e-01 1.090e+00 6.800e-01 1.220e+00 1.400e+00 1.020e+00 1.490e+00 1.140e+00 4.900e-01 9.000e-01 3.800e-01 1.420e+00 9.500e-01 1.620e+00 7.100e-01 1.050e+00 9.200e-01 3.300e-01 3.000e-01 1.670e+00 1.000e+00 8.900e-01 1.000e-01 7.200e-01 5.900e-01 5.600e-01 1.600e-01 9.700e-01 6.200e-01 8.500e-01 9.400e-01 8.800e-01 8.400e-01 1.060e+00 2.000e-01 1.150e+00 8.000e-01 1.100e+00 7.000e-01 1.920e+00 3.200e-01 1.500e-01 5.300e-01 9.000e-02 1.460e+00 2.900e-01 2.200e-01 1.230e+00 7.000e-02 1.700e-01 5.400e-01 3.600e-01 3.100e-01 1.840e+00 5.200e-01 1.100e-01 6.400e-01 1.200e-01 2.050e+00 1.630e+00 8.200e-01 8.000e-02 2.300e-01 5.700e-01 1.650e+00 1.900e-01 2.000e-02 4.300e-01 2.500e-01 1.500e+00 1.800e-01 3.900e-01 1.300e-01 1.070e+00 4.600e-01 4.100e-01 6.000e-02 3.000e-02 3.700e-01 5.000e-02 6.500e-01 4.200e-01 3.400e-01 3.500e-01 7.800e-01] Количество уникальных значений столбца eu_sales 307 Количество пропусков в столбце eu_sales 0 Уникальные значения столбца jp_sales [3.770e+00 6.810e+00 3.790e+00 3.280e+00 1.022e+01 4.220e+00 6.500e+00 2.930e+00 4.700e+00 2.800e-01 1.930e+00 4.130e+00 7.200e+00 3.600e+00 2.400e-01 2.530e+00 9.800e-01 4.100e-01 3.540e+00 4.160e+00 6.040e+00 4.180e+00 3.840e+00 6.000e-02 4.700e-01 5.380e+00 5.320e+00 5.650e+00 1.870e+00 1.300e-01 3.120e+00 3.600e-01 1.100e-01 4.350e+00 6.500e-01 7.000e-02 8.000e-02 4.900e-01 3.000e-01 2.660e+00 2.690e+00 4.800e-01 3.800e-01 5.330e+00 1.910e+00 3.960e+00 3.100e+00 1.100e+00 1.200e+00 1.400e-01 2.540e+00 2.140e+00 8.100e-01 2.120e+00 4.400e-01 3.150e+00 1.250e+00 4.000e-02 0.000e+00 2.470e+00 2.230e+00 1.690e+00 1.000e-02 3.000e+00 2.000e-02 4.390e+00 1.980e+00 1.000e-01 3.810e+00 5.000e-02 2.490e+00 1.580e+00 3.140e+00 2.730e+00 6.600e-01 2.200e-01 3.630e+00 1.450e+00 1.310e+00 2.430e+00 7.000e-01 3.500e-01 1.400e+00 6.000e-01 2.260e+00 1.420e+00 1.280e+00 1.390e+00 8.700e-01 1.700e-01 9.400e-01 1.900e-01 2.100e-01 1.600e+00 1.600e-01 1.030e+00 2.500e-01 2.060e+00 1.490e+00 1.290e+00 9.000e-02 2.870e+00 3.000e-02 7.800e-01 8.300e-01 2.330e+00 2.020e+00 1.360e+00 1.810e+00 1.970e+00 9.100e-01 9.900e-01 9.500e-01 2.000e+00 1.010e+00 2.780e+00 2.110e+00 1.090e+00 2.000e-01 1.900e+00 1.270e+00 3.610e+00 1.570e+00 2.200e+00 1.700e+00 1.080e+00 1.500e-01 1.110e+00 2.900e-01 1.540e+00 1.200e-01 8.900e-01 4.870e+00 1.520e+00 1.320e+00 1.150e+00 4.100e+00 1.460e+00 4.600e-01 1.050e+00 1.610e+00 2.600e-01 1.380e+00 6.200e-01 7.300e-01 5.700e-01 3.100e-01 5.800e-01 1.760e+00 2.100e+00 9.000e-01 5.100e-01 6.400e-01 2.460e+00 2.300e-01 3.700e-01 9.200e-01 1.070e+00 2.620e+00 1.120e+00 5.400e-01 2.700e-01 5.900e-01 3.670e+00 5.500e-01 1.750e+00 3.440e+00 3.300e-01 2.550e+00 2.320e+00 2.790e+00 7.400e-01 3.180e+00 8.200e-01 7.700e-01 4.000e-01 2.350e+00 3.190e+00 8.000e-01 7.600e-01 3.030e+00 8.800e-01 4.500e-01 1.160e+00 3.400e-01 1.190e+00 1.130e+00 2.130e+00 1.960e+00 7.100e-01 1.040e+00 2.680e+00 6.800e-01 2.650e+00 9.600e-01 2.410e+00 5.200e-01 1.800e-01 1.340e+00 1.480e+00 2.340e+00 1.060e+00 1.210e+00 2.290e+00 1.630e+00 2.050e+00 2.170e+00 1.560e+00 1.350e+00 1.330e+00 6.300e-01 7.900e-01 7.500e-01 5.300e-01 1.530e+00 1.300e+00 3.900e-01 6.900e-01 4.200e-01 9.300e-01 5.600e-01 8.400e-01 7.200e-01 3.200e-01 1.710e+00 1.650e+00 6.100e-01 1.510e+00 1.500e+00 1.440e+00 1.240e+00 1.180e+00 1.370e+00 1.000e+00 1.260e+00 8.500e-01 4.300e-01 6.700e-01 1.140e+00 8.600e-01 1.170e+00 5.000e-01 1.020e+00 9.700e-01] Количество уникальных значений столбца jp_sales 244 Количество пропусков в столбце jp_sales 0 Уникальные значения столбца other_sales [8.450e+00 7.700e-01 3.290e+00 2.950e+00 1.000e+00 5.800e-01 2.880e+00 2.840e+00 2.240e+00 4.700e-01 2.740e+00 1.900e+00 7.100e-01 2.150e+00 1.690e+00 1.770e+00 3.960e+00 1.057e+01 5.500e-01 2.040e+00 1.360e+00 4.200e-01 4.600e-01 1.410e+00 1.780e+00 5.000e-01 1.180e+00 8.000e-01 1.160e+00 1.320e+00 5.900e-01 2.380e+00 1.130e+00 7.800e-01 2.420e+00 1.120e+00 1.280e+00 1.570e+00 1.300e+00 1.010e+00 9.100e-01 1.790e+00 1.970e+00 8.600e-01 1.210e+00 2.300e-01 7.600e-01 7.400e-01 7.530e+00 2.900e-01 1.030e+00 5.200e-01 2.110e+00 1.600e+00 1.610e+00 3.500e-01 9.700e-01 1.060e+00 6.300e-01 1.500e-01 7.900e-01 9.600e-01 1.250e+00 9.000e-01 8.100e-01 3.900e-01 6.800e-01 8.500e-01 1.800e-01 8.000e-02 6.700e-01 7.000e-01 4.100e-01 3.300e-01 6.000e-01 5.400e-01 1.730e+00 1.230e+00 1.600e-01 1.110e+00 3.100e-01 4.800e-01 6.200e-01 1.900e-01 6.900e-01 1.020e+00 7.300e-01 1.080e+00 4.500e-01 2.800e-01 5.100e-01 2.200e-01 1.090e+00 9.900e-01 3.000e-01 6.400e-01 6.600e-01 9.800e-01 1.390e+00 1.400e-01 1.370e+00 7.000e-02 2.100e-01 6.100e-01 1.700e-01 1.200e-01 0.000e+00 7.200e-01 2.400e-01 8.200e-01 1.740e+00 8.700e-01 9.200e-01 5.700e-01 1.100e-01 4.000e-02 5.600e-01 2.000e-01 3.400e-01 9.000e-02 8.300e-01 4.400e-01 6.000e-02 3.200e-01 3.800e-01 1.480e+00 3.700e-01 1.000e-01 2.500e-01 3.600e-01 1.300e-01 4.300e-01 5.000e-02 2.000e-02 2.600e-01 4.000e-01 7.500e-01 1.930e+00 8.400e-01 5.300e-01 8.900e-01 1.670e+00 2.700e-01 2.930e+00 4.900e-01 1.000e-02 2.460e+00 3.000e-02 1.510e+00 2.050e+00 1.680e+00 1.820e+00 1.330e+00 9.400e-01 9.300e-01] Количество уникальных значений столбца other_sales 155 Количество пропусков в столбце other_sales 0 Уникальные значения столбца critic_score [76. nan 82. 80. 89. 58. 87. 91. 61. 97. 95. 77. 88. 83. 94. 93. 85. 86. 98. 96. 90. 84. 73. 74. 78. 92. 71. 72. 68. 62. 49. 67. 81. 66. 56. 79. 70. 59. 64. 75. 60. 63. 69. 50. 25. 42. 44. 55. 48. 57. 29. 47. 65. 54. 20. 53. 37. 38. 33. 52. 30. 32. 43. 45. 51. 40. 46. 39. 34. 35. 41. 36. 28. 31. 27. 26. 19. 23. 24. 21. 17. 22. 13.] Количество уникальных значений столбца critic_score 83 Количество пропусков в столбце critic_score 8578 Уникальные значения столбца user_score ['8' nan '8.3' '8.5' '6.6' '8.4' '8.6' '7.7' '6.3' '7.4' '8.2' '9' '7.9' '8.1' '8.7' '7.1' '3.4' '5.3' '4.8' '3.2' '8.9' '6.4' '7.8' '7.5' '2.6' '7.2' '9.2' '7' '7.3' '4.3' '7.6' '5.7' '5' '9.1' '6.5' 'tbd' '8.8' '6.9' '9.4' '6.8' '6.1' '6.7' '5.4' '4' '4.9' '4.5' '9.3' '6.2' '4.2' '6' '3.7' '4.1' '5.8' '5.6' '5.5' '4.4' '4.6' '5.9' '3.9' '3.1' '2.9' '5.2' '3.3' '4.7' '5.1' '3.5' '2.5' '1.9' '3' '2.7' '2.2' '2' '9.5' '2.1' '3.6' '2.8' '1.8' '3.8' '0' '1.6' '9.6' '2.4' '1.7' '1.1' '0.3' '1.5' '0.7' '1.2' '2.3' '0.5' '1.3' '0.2' '0.6' '1.4' '0.9' '1' '9.7'] Количество уникальных значений столбца user_score 97 Количество пропусков в столбце user_score 6701 Уникальные значения столбца rating ['E' nan 'M' 'T' 'E10+' 'K-A' 'AO' 'EC' 'RP'] Количество уникальных значений столбца rating 9 Количество пропусков в столбце rating 6766
2.4 Обработка пропусков
data.isna().sum()
name 2 platform 0 year_of_release 269 genre 2 na_sales 0 eu_sales 0 jp_sales 0 other_sales 0 critic_score 8578 user_score 6701 rating 6766 dtype: int64
data = data.dropna(subset=['name'])
Так как в данном датасете представлены игры и их реализация на разных платформах, то у нас появляется возможность заполнить пропуски в данных о годе выпуска игры.
#находим все строки по названию игры, где имеется пропуск в столбце "год релиза"
data.query('year_of_release.isnull()')['name']
183 Madden NFL 2004
377 FIFA Soccer 2004
456 LEGO Batman: The Videogame
475 wwe Smackdown vs. Raw 2006
609 Space Invaders
...
16373 PDC World Championship Darts 2008
16405 Freaky Flyers
16448 Inversion
16458 Hakuouki: Shinsengumi Kitan
16522 Virtua Quest
Name: name, Length: 269, dtype: object
#отбираем три случайныем игры для того, чтобы убедиться, что мы сможем заполнить некоторые пропуски
display(
data.query('name == "Madden NFL 2004"'),
data.query('name == "Inversion"'),
data.query('name == "Virtua Quest"'),
)
| name | platform | year_of_release | genre | na_sales | eu_sales | jp_sales | other_sales | critic_score | user_score | rating | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 183 | Madden NFL 2004 | PS2 | NaN | Sports | 4.26 | 0.26 | 0.01 | 0.71 | 94.0 | 8.5 | E |
| 1881 | Madden NFL 2004 | XB | 2003.0 | Sports | 1.02 | 0.02 | 0.00 | 0.05 | 92.0 | 8.3 | E |
| 3889 | Madden NFL 2004 | GC | 2003.0 | Sports | 0.40 | 0.10 | 0.00 | 0.01 | 94.0 | 7.7 | E |
| 5708 | Madden NFL 2004 | GBA | 2003.0 | Sports | 0.22 | 0.08 | 0.00 | 0.01 | 70.0 | 6.6 | E |
| name | platform | year_of_release | genre | na_sales | eu_sales | jp_sales | other_sales | critic_score | user_score | rating | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 12146 | Inversion | PS3 | 2012.0 | Shooter | 0.03 | 0.03 | 0.0 | 0.01 | 56.0 | 5.4 | M |
| 12678 | Inversion | X360 | 2012.0 | Shooter | 0.03 | 0.02 | 0.0 | 0.01 | 53.0 | 6.5 | M |
| 16448 | Inversion | PC | NaN | Shooter | 0.01 | 0.00 | 0.0 | 0.00 | 59.0 | 6.7 | M |
| name | platform | year_of_release | genre | na_sales | eu_sales | jp_sales | other_sales | critic_score | user_score | rating | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 15754 | Virtua Quest | PS2 | NaN | Role-Playing | 0.01 | 0.01 | 0.0 | 0.0 | 53.0 | 7.6 | T |
| 16522 | Virtua Quest | GC | NaN | Role-Playing | 0.01 | 0.00 | 0.0 | 0.0 | 55.0 | 5.5 | T |
#заменяем пропуски в столбце "год релиза" для каждой повторяющейся игры
for i in data[data['year_of_release'].isnull() == True].index:
data['year_of_release'][i] = data.loc[data['name'] == data['name'][i], 'year_of_release'].max()
/tmp/ipykernel_116/366656251.py:3: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy data['year_of_release'][i] = data.loc[data['name'] == data['name'][i], 'year_of_release'].max()
data['year_of_release'].isna().sum()
146
До работы над пропусками в данном столбце их количество составляло 269, после предобработки - 146. Таким образом мы смогли заменить восполнить почти половину пропусков.
Количество пропусков, которые нам не удалось обработать, достаточно мало, чтобы их удаление из датасета повлияло на дальнейший анализ. Поэтому, их стоит удалить.
data = data.dropna(subset=['year_of_release'])
Проверяем количество оставших пропусков в дургих столбцах.
data.isna().sum()
name 0 platform 0 year_of_release 0 genre 0 na_sales 0 eu_sales 0 jp_sales 0 other_sales 0 critic_score 8492 user_score 6633 rating 6699 dtype: int64
Количество пропусков в данных об оценках пользователей и критиков, а также рейтинге игры слишком велико, чтобы удалить все пропуски, поэтому их следует обработать. Однако, обработке могут подлежать некоторые данные из стобца "оценки пользователей" и "рейтинг". В основном, пропуске в столбце с оценкой лучше оставить нетронутыми, так как мы не можем заменить их на какой-либо логичный или устредненный показатель.
При просмотре уникальных значений в столбце "оценка пользователей" присутствует непредполагаемое значение "tbd". В игровой сфере расшивровка данной аббревиатуры может быть - To Be Determined, то есть "Будет определено". Стоит отметить также, что у этой аббревиатуры могут быть и иные значения, например To Be Done - должно быть сделано, или To Be Discussed - подлежит обсуждению.
Мы можем сделать вывод, что при данном значении, выпущеная игра еще не получила оценки пользователей. Данный показать следует заменить на пропуск.
data['user_score'] = data['user_score'].replace('tbd', np.nan, regex=True)
Обращая внимания на уникальные значения в столбце "рейтинг", мы видим некоторые особенности:
data['rating'] = ( data['rating']
.fillna('Unknown')
.replace('K-A', 'E')
)
2.5 Изменение типы данных в столбцах
#заменяем тип данных в "year_of_release" на целые числа и тип данных int64
data['year_of_release'] = data['year_of_release'].astype(int)
#заменяем тип данных в "user_score" на числовойтип данных float64, т.к. теперь там отсутствуют строки.
data['user_score'] = data['user_score'].astype(float)
#проверям правильность предыдущих кодов
data.info()
<class 'pandas.core.frame.DataFrame'> Int64Index: 16566 entries, 0 to 16714 Data columns (total 11 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 name 16566 non-null object 1 platform 16566 non-null object 2 year_of_release 16566 non-null int64 3 genre 16566 non-null object 4 na_sales 16566 non-null float64 5 eu_sales 16566 non-null float64 6 jp_sales 16566 non-null float64 7 other_sales 16566 non-null float64 8 critic_score 8074 non-null float64 9 user_score 7539 non-null float64 10 rating 16566 non-null object dtypes: float64(6), int64(1), object(4) memory usage: 1.5+ MB
2.6 Подсчет суммарных продажи во всех регионах
data['total_sales'] = data[['na_sales','eu_sales','jp_sales', 'other_sales']].sum(axis = 1)
data = data.reset_index(drop=True)
data
| name | platform | year_of_release | genre | na_sales | eu_sales | jp_sales | other_sales | critic_score | user_score | rating | total_sales | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | Wii Sports | Wii | 2006 | Sports | 41.36 | 28.96 | 3.77 | 8.45 | 76.0 | 8.0 | E | 82.54 |
| 1 | Super Mario Bros. | NES | 1985 | Platform | 29.08 | 3.58 | 6.81 | 0.77 | NaN | NaN | Unknown | 40.24 |
| 2 | Mario Kart Wii | Wii | 2008 | Racing | 15.68 | 12.76 | 3.79 | 3.29 | 82.0 | 8.3 | E | 35.52 |
| 3 | Wii Sports Resort | Wii | 2009 | Sports | 15.61 | 10.93 | 3.28 | 2.95 | 80.0 | 8.0 | E | 32.77 |
| 4 | Pokemon Red/Pokemon Blue | GB | 1996 | Role-Playing | 11.27 | 8.89 | 10.22 | 1.00 | NaN | NaN | Unknown | 31.38 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 16561 | Samurai Warriors: Sanada Maru | PS3 | 2016 | Action | 0.00 | 0.00 | 0.01 | 0.00 | NaN | NaN | Unknown | 0.01 |
| 16562 | LMA Manager 2007 | X360 | 2006 | Sports | 0.00 | 0.01 | 0.00 | 0.00 | NaN | NaN | Unknown | 0.01 |
| 16563 | Haitaka no Psychedelica | PSV | 2016 | Adventure | 0.00 | 0.00 | 0.01 | 0.00 | NaN | NaN | Unknown | 0.01 |
| 16564 | Spirits & Spells | GBA | 2003 | Platform | 0.01 | 0.00 | 0.00 | 0.00 | NaN | NaN | Unknown | 0.01 |
| 16565 | Winning Post 8 2016 | PSV | 2016 | Simulation | 0.00 | 0.00 | 0.01 | 0.00 | NaN | NaN | Unknown | 0.01 |
16566 rows × 12 columns
В ходе предобработки данных была проведена работы с дубликатами, пропусками, названиями и типами столбцов, а также добавление новых необходимых значений.
Данные готовы к анализу.
3.1 Сколько игр выпускалось в разные годы. Важны ли данные за все периоды?
games_sales_per_year = data.groupby('year_of_release').agg({'name':'count'})
games_sales_per_year = games_sales_per_year.rename(columns={'name': 'Сумма продаж (млн.)'}, level=0)
games_sales_per_year.index = games_sales_per_year.index.rename('Год')
display(games_sales_per_year)
| Сумма продаж (млн.) | |
|---|---|
| Год | |
| 1980 | 9 |
| 1981 | 46 |
| 1982 | 36 |
| 1983 | 17 |
| 1984 | 14 |
| 1985 | 14 |
| 1986 | 21 |
| 1987 | 16 |
| 1988 | 15 |
| 1989 | 17 |
| 1990 | 16 |
| 1991 | 41 |
| 1992 | 43 |
| 1993 | 60 |
| 1994 | 121 |
| 1995 | 219 |
| 1996 | 263 |
| 1997 | 289 |
| 1998 | 379 |
| 1999 | 339 |
| 2000 | 350 |
| 2001 | 484 |
| 2002 | 845 |
| 2003 | 785 |
| 2004 | 765 |
| 2005 | 947 |
| 2006 | 1020 |
| 2007 | 1202 |
| 2008 | 1440 |
| 2009 | 1431 |
| 2010 | 1271 |
| 2011 | 1153 |
| 2012 | 661 |
| 2013 | 547 |
| 2014 | 582 |
| 2015 | 606 |
| 2016 | 502 |
sns.set_style('whitegrid')
plt.figure(figsize=(18,5))
sns.countplot(data = data, x = 'year_of_release')
<AxesSubplot:xlabel='year_of_release', ylabel='count'>
games_per_year = data.pivot_table(index='year_of_release', values='name', aggfunc='count')
plt.figure(figsize=(12,7))
sns.lineplot(data = games_per_year)
plt.title("Количество выпущенных игр")
plt.xlabel("Год выпуска игры")
plt.ylabel("Количество выпуска игр в год")
plt.legend('');
До 1990г. количество выпускаемых игр было мало. Начиная с 1991г., наблюдается плавный рост показателей количеста выпущенных игр. Однако, мы можем наблюдать резкий скачек показателей в 2002г., и, дейцствительно, в этом году вышлол огромное количество игр для всевозможных платформ. Количество выпускаемых игр продолжало набирать обороты до 2008г. После пошоло на спад, а в 2012г. резко упало. Данный факт можно объяснить смены вектора разработков видеоигр на игры для мобильных устройств из-за их большей популярности и доступности.
games_per_year_region = (
data.groupby('year_of_release')
.agg({'na_sales':'sum', 'eu_sales':'sum', 'jp_sales':'sum', 'other_sales':'sum'})
)
fig = px.line(games_per_year_region, x=games_per_year_region.index, y=['na_sales', 'eu_sales', 'jp_sales', 'other_sales'],\
title='Динамика продаж по регионам')
fig.show()
Данную тенденция мы можем проследить и в разрезе по регионам.
3.2 Как менялись продажи по платформам?
platform_sales = (
data.pivot_table(index='platform', values='total_sales', aggfunc='sum')
.sort_values(by='total_sales')
)
plt.figure(figsize=(14,7))
sns.barplot(x=platform_sales.index,y=platform_sales['total_sales'])
plt.title("Продажи по платформам за весь период")
plt.xlabel("Название платформы")
plt.ylabel("Сумма продаж")
Text(0, 0.5, 'Сумма продаж')
За весь исследуемый период на рынке самыми популярными по продажам платофрмы были:
#рассмотрим количество продаж каждой из самых популярных платфор в динамике по годам
top_platform = data.query('platform == "PS2" | \
platform == "X360" | \
platform == "PS3" | \
platform == "Wii" | \
platform == "DS" | \
platform == "PS"'
)
line,ax = plt.subplots(figsize=(12,6))
ax = sns.lineplot(x="year_of_release", y="total_sales", data=top_platform, hue="platform", style='platform')
ax.set_title('Количество продаж топ 5 игровых платформ', fontsize=15)
ax.set_xlabel ('Год')
ax.set_ylabel ('Сумма продаж')
ax.legend (loc="upper right");
# Анализ выброса количества релизов на платформе 'DS' в 1985
data.loc[
(data['platform'] == 'DS')
& (1985 == data['year_of_release'])
].sort_values(by='year_of_release').head(20)
| name | platform | year_of_release | genre | na_sales | eu_sales | jp_sales | other_sales | critic_score | user_score | rating | total_sales | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15818 | Strongest Tokyo University Shogi DS | DS | 1985 | Action | 0.0 | 0.0 | 0.02 | 0.0 | NaN | NaN | Unknown | 0.02 |
data = data.loc[data.index != 15818]
top_platform = data.query('platform == "PS2" | \
platform == "X360" | \
platform == "PS3" | \
platform == "Wii" | \
platform == "DS" | \
platform == "PS"'
)
line,ax = plt.subplots(figsize=(12,6))
ax = sns.lineplot(x="year_of_release", y="total_sales", data=top_platform, hue="platform", style='platform')
ax.set_title('Количество продаж топ 5 игровых платформ', fontsize=15)
ax.set_xlabel ('Год')
ax.set_ylabel ('Сумма продаж')
ax.legend (loc="upper right");
Платформа Nintendo DS, по найденным нами данным, впервые была выпущена в 2004г. в США и Японии и в 2005г. во всех остальных регионах. В данных мы можем наблюдать несоотвествующую информации строку, где дата релиза игры на платформе DS значится 1985г. Это, опредленно, являюется выбрасом, который стоить удалить из датафрейма.
Nintendo DS оставалась довольно популярной с 2004г. вплоть до 2013. Линии продаж разных поколений платформ PlayStation идут в нахлест и показывают сменяемость поколений и довольно стабильные продажи. Xbox360 держится на рынке с 2005г., ее показатели схожи с PlayStation 3,т.к. они вышли в один период. Резкое начало и в дальнейшем спад был у платформы Wii.
Сюдя по графикам, что остается неизменным - популярность платформ Sony PlayStation каждого поколения в свое время.
3.3 Выберите платформы с наибольшими суммарными продажами и постройте распределение по годам
(top_platform
.query('platform == "PS2"')
.pivot_table(index='year_of_release', values='total_sales', aggfunc=sum)
.plot(grid=True, kind='bar',figsize=(10, 5))
)
plt.ylabel("Количество выпуска игр в год")
plt.xlabel("Город")
plt.title("Продажи платформы PS2")
plt.show()
(top_platform
.query('platform == "X360"')
.pivot_table(index='year_of_release', values='total_sales', aggfunc=sum)
.plot(grid=True, kind='bar',figsize=(10, 5))
)
plt.ylabel("Количество выпуска игр в год")
plt.xlabel("Город")
plt.title("Продажи платформы X360")
plt.show()
(top_platform
.query('platform == "PS3"')
.pivot_table(index='year_of_release', values='total_sales', aggfunc=sum)
.plot(grid=True, kind='bar',figsize=(10, 5))
)
plt.ylabel("Количество выпуска игр в год")
plt.xlabel("Город")
plt.title("Продажи платформы PS3")
plt.show()
(top_platform
.query('platform == "Wii"')
.pivot_table(index='year_of_release', values='total_sales', aggfunc=sum)
.plot(grid=True, kind='bar',figsize=(10, 5))
)
plt.ylabel("Количество выпуска игр в год")
plt.xlabel("Город")
plt.title("Продажи платформы Wii")
plt.show()
(top_platform
.query('platform == "DS"')
.pivot_table(index='year_of_release', values='total_sales', aggfunc=sum)
.plot(grid=True, kind='bar',figsize=(10, 5))
)
plt.ylabel("Количество выпуска игр в год")
plt.xlabel("Город")
plt.title("Продажи платформы DS")
plt.show()
(top_platform
.query('platform == "PS"')
.pivot_table(index='year_of_release', values='total_sales', aggfunc=sum)
.plot(grid=True, kind='bar',figsize=(10, 5))
)
plt.ylabel("Количество выпуска игр в год")
plt.xlabel("Город")
plt.title("Продажи платформы PS")
plt.show()
Рассматривая каждую из топ-5 платформ в динамике по годам отдельно друг от друга, мы также можем заметить приемственность поколений Sony PlayStation (вскоре после появления новой ее платформы, объем продаж старой снижается, но плавно).
Платформы Wii и DS имели большой успех в свое время, начиная с 2004г., однако, к 2014г. полностью потеряли продажи).
Большую перспективу имеют платформы нового поколения: PlayStation 4 и Xbox one. В следствие недавнего появляния их продажи еще не привысили показатели их предшественников, но, судя по тенденции, в скором постепенно возрастут.
3.4 За какой характерный срок появляются новые и исчезают старые платформы?
platform_life = data.sort_values(by='total_sales').pivot_table(
index='platform',
columns='year_of_release',
values='total_sales',
aggfunc='sum'
)
sns.heatmap(platform_life);
life = (data.groupby('platform')['year_of_release'].max() -\
data.groupby('platform')['year_of_release'].min()).mean()
life
7.548387096774194
Тепловая карта и данные вычисления наглядно показывают, что жизненный цикл платформы составляет в среднем 7.5 лет.
Актуальный период
Актуальным периодом для работы над анализом перспектив мы можем считать период с 2012г. (Показатели за 5 предыдущих лет предположительно проявят перспективы на 2017г.)
3.5 Создание актуального датафрейма
#отберем данные за необходимый актуальный период
relevant_data = data[data['year_of_release'] >= 2012].reset_index(drop=True)
relevant_data
| name | platform | year_of_release | genre | na_sales | eu_sales | jp_sales | other_sales | critic_score | user_score | rating | total_sales | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | Grand Theft Auto V | PS3 | 2013 | Action | 7.02 | 9.09 | 0.98 | 3.96 | 97.0 | 8.2 | M | 21.05 |
| 1 | Grand Theft Auto V | X360 | 2013 | Action | 9.66 | 5.14 | 0.06 | 1.41 | 97.0 | 8.1 | M | 16.27 |
| 2 | Call of Duty: Black Ops 3 | PS4 | 2015 | Shooter | 6.03 | 5.86 | 0.36 | 2.38 | NaN | NaN | Unknown | 14.63 |
| 3 | Pokemon X/Pokemon Y | 3DS | 2013 | Role-Playing | 5.28 | 4.19 | 4.35 | 0.78 | NaN | NaN | Unknown | 14.60 |
| 4 | Call of Duty: Black Ops II | PS3 | 2012 | Shooter | 4.99 | 5.73 | 0.65 | 2.42 | 83.0 | 5.3 | M | 13.79 |
| ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
| 2893 | Strawberry Nauts | PSV | 2016 | Adventure | 0.00 | 0.00 | 0.01 | 0.00 | NaN | NaN | Unknown | 0.01 |
| 2894 | Aiyoku no Eustia | PSV | 2014 | Misc | 0.00 | 0.00 | 0.01 | 0.00 | NaN | NaN | Unknown | 0.01 |
| 2895 | Samurai Warriors: Sanada Maru | PS3 | 2016 | Action | 0.00 | 0.00 | 0.01 | 0.00 | NaN | NaN | Unknown | 0.01 |
| 2896 | Haitaka no Psychedelica | PSV | 2016 | Adventure | 0.00 | 0.00 | 0.01 | 0.00 | NaN | NaN | Unknown | 0.01 |
| 2897 | Winning Post 8 2016 | PSV | 2016 | Simulation | 0.00 | 0.00 | 0.01 | 0.00 | NaN | NaN | Unknown | 0.01 |
2898 rows × 12 columns
#смотрим уникальные значения платформ
relevant_data['platform'].unique()
array(['PS3', 'X360', 'PS4', '3DS', 'DS', 'XOne', 'WiiU', 'Wii', 'PC',
'PSV', 'PSP'], dtype=object)
В выбранный период на рынке были представлены игры для 11 платформ.
3.6 Какие платформы лидируют по продажам, растут или падают? Выберите несколько потенциально прибыльных платформ.
relevant_table = relevant_data.pivot_table(index='platform',columns='year_of_release', values='total_sales')
sns.heatmap(relevant_table);
relevant_platform_sales = (
relevant_data.pivot_table(index='platform', values='total_sales', aggfunc='sum')
.sort_values(by='total_sales')
)
plt.figure(figsize=(14,7));
sns.barplot(x=relevant_platform_sales.index,y=relevant_platform_sales['total_sales'])
plt.title("Продажи по платформам за актуальный период");
plt.xlabel("Название платформы")
plt.ylabel("Сумма продаж")
Text(0, 0.5, 'Сумма продаж')
У всех представленных консолей продажи падают с 2014г.
Несмотря на это, лидером продаж является платформа Sony PlayStation 4, чьи продажи все же сокращаются к 2016 г. Это может предвещать скорое появления платформы PS 5 на рынке.
Конкурентной платформой для PS4 является Xbox One. Они обе являются новейшими платформами на тот период, хотя продажи Xbox One в 2 раза меньше, чем у его конкурента.
Nintendo 3DS занимает четвертое место по продажам за актуальный период. Ее продажи также падают к 2016г., но они не упали до нуля.
Продажи на консолях DS, PSP, PSV, PS3, X360, Wii в течение актуального периода и к его концу снизились до минимума. Данные консоли уже не актуальны. Их также уже нельзя считать прибыльными.
Продажи игр для платформы PC также снижаются до критических отметок. Однако, возможно, данную платформу не стоит считать неактульной. На протяжении всего времени существования персонального компьютера созавались и выпускались видеоигры. Смею предположить, что в будущем будет наблюдаться рост релизов новых игр на PC.
3.7 «Ящик с усами» по глобальным продажам игр в разбивке по платформам
Построение графика boxplot
sns.set_theme(rc={'figure.figsize':(12,9)})
ax = sns.boxplot(
x=relevant_data['platform'],
y=relevant_data['total_sales'],
);
ax.axvline(10)
plt.ylabel("Общая сумма продаж")
plt.xlabel("Платформа")
plt.title("Соотношение глобальных продаж игр в разбивке по платформам")
plt.show()
Исходя из гистограммы рассеяния, можно заметить, что у самых продаваемых платформ имеется большое количество выбрасов. Это может быть связано с выпуском необычайно популярных и продаваемых игр. Однако, мы не можем дать оценки по средним показателям платформ, поэтому стоит построить гистограмму рассеяния без учета выбросов.
Построение графика boxplot без выбросов.
sns.set_theme(rc={'figure.figsize':(12,9)})
ax = sns.boxplot(
x=relevant_data['platform'],
y=relevant_data['total_sales'],
showfliers=False
);
ax.axvline(10)
plt.ylabel("Общая сумма продаж")
plt.xlabel("Платформа")
plt.title("Соотношение глобальных продаж игр в разбивке по платформам")
plt.show()
В число платформ с максимальным числом продаж, которые преодолели отметку в 700 тыс. по третьему квартилю, входят Xbox 360, Wii и PS4. Не далеко от них расположился Xbox One. Наиболее перспективнми платформами с точки зрения продаж и жизненного цикла являются PS 4 и Xbox One, чей жизненный цикл начался относительно недавно и продажи которых в будущем не будут снижаться до выхода платформ нового поколениях тех же компаний.
3.7 Как влияют на продажи внутри одной популярной платформы отзывы пользователей и критиков
ps4 = (
relevant_data.query('platform == "PS4" & critic_score >= 0 & user_score >= 0')
.loc[:,['total_sales', 'critic_score', 'user_score']]
)
display(ps4.corr())
sns.pairplot(
ps4,
x_vars=["critic_score", "user_score"],
y_vars=["total_sales"],
height=5,
);
| total_sales | critic_score | user_score | |
|---|---|---|---|
| total_sales | 1.000000 | 0.405895 | -0.033625 |
| critic_score | 0.405895 | 1.000000 | 0.557654 |
| user_score | -0.033625 | 0.557654 | 1.000000 |
В качестве самой популярной платформы на актульный период была выбрана самая продаваемая платформа PS 4.
Корреляция между продажами игр на данной платформе и оценкой игры критиками умеренная (0.4).
Корреляция между продажами игр на данной платформе и оценкой игры пользователями слабая отрицательная (-0.03).
Таким образом, оценка критиков не сильно влияет на продажи игры, не наблюдается прямой зависимости продаж от оценки. Оценка пользователей, можно считать, почти никак не вляет на продажи игры в целом.
3.8 Соотнесите выводы с продажами игр на других платформах
other_platforms = (
relevant_data.query('platform != "PS4" & critic_score >= 0 & user_score >= 0')
.loc[:,['platform', 'total_sales', 'critic_score', 'user_score']]
)
display(other_platforms.groupby('platform').corr())
sns.pairplot(other_platforms, hue="platform", height=7)
| total_sales | critic_score | user_score | ||
|---|---|---|---|---|
| platform | ||||
| 3DS | total_sales | 1.000000 | 0.310311 | 0.202842 |
| critic_score | 0.310311 | 1.000000 | 0.721517 | |
| user_score | 0.202842 | 0.721517 | 1.000000 | |
| DS | total_sales | NaN | NaN | NaN |
| critic_score | NaN | NaN | NaN | |
| user_score | NaN | NaN | NaN | |
| PC | total_sales | 1.000000 | 0.239384 | -0.135287 |
| critic_score | 0.239384 | 1.000000 | 0.431879 | |
| user_score | -0.135287 | 0.431879 | 1.000000 | |
| PS3 | total_sales | 1.000000 | 0.333607 | 0.001252 |
| critic_score | 0.333607 | 1.000000 | 0.544587 | |
| user_score | 0.001252 | 0.544587 | 1.000000 | |
| PSP | total_sales | NaN | NaN | NaN |
| critic_score | NaN | NaN | NaN | |
| user_score | NaN | NaN | NaN | |
| PSV | total_sales | 1.000000 | 0.093988 | 0.013902 |
| critic_score | 0.093988 | 1.000000 | 0.699199 | |
| user_score | 0.013902 | 0.699199 | 1.000000 | |
| Wii | total_sales | 1.000000 | -0.405997 | -0.054722 |
| critic_score | -0.405997 | 1.000000 | 0.780222 | |
| user_score | -0.054722 | 0.780222 | 1.000000 | |
| WiiU | total_sales | 1.000000 | 0.350882 | 0.391848 |
| critic_score | 0.350882 | 1.000000 | 0.770080 | |
| user_score | 0.391848 | 0.770080 | 1.000000 | |
| X360 | total_sales | 1.000000 | 0.360266 | -0.002257 |
| critic_score | 0.360266 | 1.000000 | 0.557952 | |
| user_score | -0.002257 | 0.557952 | 1.000000 | |
| XOne | total_sales | 1.000000 | 0.410422 | -0.094003 |
| critic_score | 0.410422 | 1.000000 | 0.472462 | |
| user_score | -0.094003 | 0.472462 | 1.000000 |
/opt/conda/lib/python3.9/site-packages/seaborn/distributions.py:306: UserWarning: Dataset has 0 variance; skipping density estimate. /opt/conda/lib/python3.9/site-packages/seaborn/distributions.py:306: UserWarning: Dataset has 0 variance; skipping density estimate. /opt/conda/lib/python3.9/site-packages/seaborn/distributions.py:306: UserWarning: Dataset has 0 variance; skipping density estimate. /opt/conda/lib/python3.9/site-packages/seaborn/distributions.py:306: UserWarning: Dataset has 0 variance; skipping density estimate. /opt/conda/lib/python3.9/site-packages/seaborn/distributions.py:306: UserWarning: Dataset has 0 variance; skipping density estimate. /opt/conda/lib/python3.9/site-packages/seaborn/distributions.py:306: UserWarning: Dataset has 0 variance; skipping density estimate.
<seaborn.axisgrid.PairGrid at 0x7efedf7952b0>
У всех остальных платформ ситуация скаладывается похожим образом. Оценка критиков незначительно влияет на продажи, в то время как оценка пользователей не оказывает влияния.
3.9 Общее распределение игр по жанрам
top_genre = (
data.pivot_table(index='genre', values='total_sales', aggfunc='sum')
.sort_values(by='total_sales')
)
plt.figure(figsize=(12,7))
sns.barplot(x=top_genre.index,y=top_genre['total_sales']);
plt.title("Продажи игр в зависимости от жанра за все время")
plt.xlabel("Жанр игры")
plt.ylabel("Сумма продаж")
plt.show()
top_genre_relevant = (
relevant_data.pivot_table(index='genre', values='total_sales', aggfunc='sum')
.sort_values(by='total_sales')
)
plt.figure(figsize=(12,7))
sns.barplot(x=top_genre_relevant.index,y=top_genre['total_sales']);
plt.title("Продажи игр в зависимости от жанра с 2012г.")
plt.xlabel("Жанр игры")
plt.ylabel("Сумма продаж")
plt.show()
relevant_data.rename(columns={
'genre':'Жанр'
}).pivot_table(
index='Жанр',
values='total_sales',
aggfunc=('count', 'mean', 'median', 'sum')
).rename(columns={
'count':'Количество релизов',
'mean':'Среднее продаж',
'median':'Медиана продаж',
'sum':'Сумма млн. продаж',
}).sort_values(by='Сумма млн. продаж', ascending=False)
| Количество релизов | Среднее продаж | Медиана продаж | Сумма млн. продаж | |
|---|---|---|---|---|
| Жанр | ||||
| Action | 1041 | 0.428828 | 0.120 | 446.41 |
| Shooter | 237 | 1.285865 | 0.430 | 304.75 |
| Role-Playing | 370 | 0.521081 | 0.140 | 192.80 |
| Sports | 267 | 0.678165 | 0.240 | 181.07 |
| Misc | 193 | 0.441865 | 0.120 | 85.28 |
| Platform | 85 | 0.717647 | 0.210 | 61.00 |
| Racing | 115 | 0.465217 | 0.140 | 53.50 |
| Fighting | 109 | 0.408165 | 0.130 | 44.49 |
| Simulation | 80 | 0.439000 | 0.120 | 35.12 |
| Adventure | 302 | 0.097450 | 0.030 | 29.43 |
| Strategy | 71 | 0.187887 | 0.080 | 13.34 |
| Puzzle | 28 | 0.174643 | 0.045 | 4.89 |
sns.set_theme(rc={'figure.figsize':(12,9)})
ax = sns.boxplot(
x=relevant_data['genre'],
y=relevant_data['total_sales'],
);
ax.axvline(10)
plt.ylabel("Общая сумма продаж")
plt.xlabel("Жанр")
plt.title("Соотношение глобальных продаж игр в разбивке по жанрам")
plt.show()
sns.set_theme(rc={'figure.figsize':(12,9)})
ax = sns.boxplot(
x=relevant_data['genre'],
y=relevant_data['total_sales'],
showfliers=False
);
ax.axvline(11)
plt.ylabel("Общая сумма продаж")
plt.xlabel("Платформа")
plt.title("Соотношение глобальных продаж игр в разбивке по жанрам")
plt.show()
Самыми продаваемые жанрами игр за весь период являются: Action, Sports, Shooter, Role-playing и Platform.
Самыми прибыльными играми по данными за актуальный период являются Shooter, Platform и Sports. Данные жанры игр стабильно приносят высокий по отношению к другим жанрам доход.
По числу выпущенных игр и общей сумме продаж лидируют также Action, Role-playing и Misc. Однако, их продажи трудно назвать стабильными, хотя они и пользуются популярностью.
Самой низкой показателями продаж обладают игры в жанре Puzzle, Stragedy и Adventure.
4.1 Самые популярные платформы (топ-5)
na_platform = relevant_data.groupby('platform')['na_sales'].sum()
eu_platform = relevant_data.groupby('platform')['eu_sales'].sum()
jp_platform = relevant_data.groupby('platform')['jp_sales'].sum()
display(na_platform.sort_values(ascending=False))
na_platform.plot(kind='pie', y='na_sales', ylabel='', autopct='%1.0f%%', figsize=(6, 6), colors=plt.cm.Set3.colors)
plt.title("Топ-5 платформ в Северной Америке")
plt.show()
display(eu_platform.sort_values(ascending=False))
eu_platform.plot(kind='pie', y='eu_sales', ylabel='', autopct='%1.0f%%', figsize=(6, 6), colors=plt.cm.Set3.colors)
plt.title("Топ-5 платформ в Европе")
plt.show()
display(jp_platform.sort_values(ascending=False))
jp_platform.plot(kind='pie', y='jp_sales', ylabel='', autopct='%1.0f%%', figsize=(6, 6), colors=plt.cm.Set3.colors)
plt.title("Топ-5 платформ в Японии")
plt.show()
platform X360 140.57 PS4 108.74 PS3 103.74 XOne 93.12 3DS 55.49 WiiU 38.10 PC 19.26 Wii 18.14 PSV 10.98 DS 4.93 PSP 0.23 Name: na_sales, dtype: float64
platform PS4 141.09 PS3 107.27 X360 74.89 XOne 51.59 3DS 42.83 PC 38.38 WiiU 25.13 Wii 12.34 PSV 11.36 DS 3.78 PSP 0.52 Name: eu_sales, dtype: float64
platform 3DS 87.79 PS3 35.29 PSV 21.04 PS4 15.96 WiiU 13.01 PSP 10.71 DS 3.72 Wii 3.39 X360 1.57 XOne 0.34 PC 0.00 Name: jp_sales, dtype: float64
Самой популярной платформой в Северной Америке является Xbox360 (24%). Далее идут PS4 (18%), PS3(17%) и XOne(16%).
Самой популярной платформой в Европе является таже PS 4 (28%). Далее идут PS3 (21%), Xbox360(15%) и XOne(10%).
Самой популярной платформой в Японии является 3DS (46%). Далее идут PS3 (18%), PSV(11%) и PS4(8%).
4.2 Самые популярные жанры (топ-5)
na_platform = relevant_data.groupby('genre')['na_sales'].sum()
eu_platform = relevant_data.groupby('genre')['eu_sales'].sum()
jp_platform = relevant_data.groupby('genre')['jp_sales'].sum()
display(na_platform.sort_values(ascending=False))
na_platform.plot(kind='pie', y='na_sales', ylabel='', autopct='%1.0f%%', figsize=(6, 6), colors=plt.cm.Set3.colors)
plt.title("Топ-5 жанров в Северной Америке")
plt.show()
display(eu_platform.sort_values(ascending=False))
eu_platform.plot(kind='pie', y='eu_sales', ylabel='', autopct='%1.0f%%', figsize=(6, 6), colors=plt.cm.Set3.colors)
plt.title("Топ-5 жанров в Европе")
plt.show()
display(jp_platform.sort_values(ascending=False))
jp_platform.plot(kind='pie', y='jp_sales', ylabel='', autopct='%1.0f%%', figsize=(6, 6), colors=plt.cm.Set3.colors)
plt.title("Топ-5 жанров в Японии")
plt.show()
genre Action 180.15 Shooter 144.79 Sports 81.53 Role-Playing 64.00 Misc 38.19 Platform 25.38 Fighting 19.79 Racing 17.22 Adventure 8.92 Simulation 7.97 Strategy 4.23 Puzzle 1.13 Name: na_sales, dtype: float64
genre Action 161.70 Shooter 113.47 Sports 69.09 Role-Playing 48.53 Racing 27.29 Misc 26.32 Platform 21.41 Simulation 14.55 Fighting 10.79 Adventure 9.46 Strategy 5.17 Puzzle 1.40 Name: eu_sales, dtype: float64
genre Role-Playing 65.44 Action 52.80 Misc 13.10 Simulation 10.41 Fighting 9.44 Shooter 9.23 Platform 8.63 Adventure 8.24 Sports 8.01 Strategy 2.88 Racing 2.50 Puzzle 2.14 Name: jp_sales, dtype: float64
Самым популярным жанром в Северной Америке является Action (30%). Далее идут Shooter (24%), Sports(14%) и Role-playing(11%).
Самым популярным жанром в Европе является таже Action (32%). Далее идут Shooter (22%), Sports(14%) и Role-playing(10%).
Самым популярным жанром в Японии является Role-playing(34%). Далее идет Action (27%). Остальные почти в равной степени продаваемы.
4.3 Влияет ли рейтинг ESRB на продажи в отдельном регионе?
rating_corr = relevant_data.pivot_table(index='rating', values=['na_sales', 'eu_sales', 'jp_sales'], aggfunc='sum')
display(rating_corr)
fig = px.line(rating_corr, x=rating_corr.index, y=['na_sales', 'eu_sales', 'jp_sales'],\
title='Динамика продаж в зависимости от рейтинга').update_layout(xaxis_title="Рейтинг", yaxis_title="Продажи")
fig.show()
| eu_sales | jp_sales | na_sales | |
|---|---|---|---|
| rating | |||
| E | 113.03 | 28.33 | 114.37 |
| E10+ | 57.25 | 8.19 | 77.93 |
| M | 194.44 | 21.20 | 231.67 |
| T | 52.96 | 26.02 | 66.02 |
| Unknown | 91.50 | 109.08 | 103.31 |
В Северной Америке и Европе рейтинг игры определенно оказывает влияние на количество проданных игр. Так, наибольшей популярностью обладают игры с рейтингом M («Для взрослых»).
В Японии не прослеживается сильное влияние известного нам рейтинга на продажи. Игры с рейтингом E («Для всех») и T («Подросткам») немного больше набирают количество продаж в сравнении с другими. Игры с неизвестным рейтингом определенно выбиваются из общей картины.
Обобщенные портреты пользователей каждого региона
В Северной Америке пользователь предпочитает платформу Xbox360 или PS4, на которой играет в игры жанра Action с рейтингом M («Для взрослых»).
В Европе пользователь также предпочитает платформу PS4, на которой играет в игры жанра Action с рейтингом M («Для взрослых»).
В Японии пользователь предпочитает платформу 3DS, на которой играет в игры жанра Role-playing или Action с рейтингом E («Для всех») и T («Подросткам»).
Гипотеза №1
Нулевая и альтернативная гипотезы:
H0 - Средние пользовательские рейтинги платформ Xbox One и PC одинаковые
H1 - Средние пользовательские рейтинги платформ Xbox One и PC отличаются
Для проверки гипотезы применим о равенстве средних двух неравных генеральных совокупностей t-критерий Стьюдента. Определим пороговое значение p-value = 0.05
xbox = relevant_data.query('platform == "XOne" & user_score >= 0')['user_score']
pc = relevant_data.query('platform == "PC" & user_score >= 0')['user_score']
print('Масштаб выборки для платформы XboxOne:', len(xbox))
display(xbox.describe())
print('Масштаб выборки для платформы PC:', len(pc))
display(pc.describe())
Масштаб выборки для платформы XboxOne: 182
count 182.000000 mean 6.521429 std 1.380941 min 1.600000 25% 5.800000 50% 6.800000 75% 7.500000 max 9.200000 Name: user_score, dtype: float64
Масштаб выборки для платформы PC: 211
count 211.000000 mean 6.445498 std 1.657455 min 1.400000 25% 5.500000 50% 6.800000 75% 7.700000 max 9.300000 Name: user_score, dtype: float64
alpha = 0.05
results = st.ttest_ind(
xbox,
pc,
equal_var=False
)
print('p-значение:', results.pvalue)
if results.pvalue < alpha:
print('Отвергаем нулевую гипотезу')
else:
print('Не получилось отвергнуть нулевую гипотезу')
p-значение: 0.6206366351489678 Не получилось отвергнуть нулевую гипотезу
Нулевую гипотезу не получилось отвергнуть. Следовательно, можно полагать, что средние пользовательские рейтинги платформ Xbox One и PC одинаковые. Возможно, набор игр предоставляемых на данных платформах схож, следовательно и оценки пользователей тажке могут совпадать.
Гипотеза №2
Нулевая и альтернативная гипотезы:
H0 - Средние пользовательские рейтинги жанров Action (англ. «действие», экшен-игры) и Sports (англ. «спортивные соревнования») одинаковые
H1 - Средние пользовательские рейтинги жанров Action (англ. «действие», экшен-игры) и Sports (англ. «спортивные соревнования») разные
Для проверки гипотезы применим о равенстве средних двух неравных генеральных совокупностей t-критерий Стьюдента. Определим пороговое значение p-value = 0.05
action = relevant_data.query('genre == "Action" & user_score >= 0')['user_score']
sports = relevant_data.query('genre == "Sports" & user_score >= 0')['user_score']
print('Масштаб выборки для жанра Action:', len(action))
display(action.describe())
print('Масштаб выборки для жанра Sports:', len(sports))
display(sports.describe())
Масштаб выборки для жанра Action: 531
count 531.000000 mean 6.834275 std 1.371830 min 1.600000 25% 6.250000 50% 7.200000 75% 7.800000 max 9.100000 Name: user_score, dtype: float64
Масштаб выборки для жанра Sports: 194
count 194.000000 mean 5.455670 std 1.743142 min 0.200000 25% 4.300000 50% 5.750000 75% 6.800000 max 8.800000 Name: user_score, dtype: float64
alpha = 0.05
results = st.ttest_ind(
action,
sports,
equal_var=False
)
print('p-значение:', results.pvalue)
if results.pvalue < alpha:
print('Отвергаем нулевую гипотезу')
else:
print('Не получилось отвергнуть нулевую гипотезу')
p-значение: 3.3183730691020093e-20 Отвергаем нулевую гипотезу
Нулевая гипотеза была отвергнута. Можно полагать, что средние пользовательские рейтинги жанров Action (англ. «действие», экшен-игры) и Sports (англ. «спортивные соревнования») разные. То есть пользователи по разному оценивают игры в данных жанрах.
В ходе проведения исследования для интернет-магазина «Стримчик» было выполнено:
Интернет-магазину "Стримчик" можно дать следующие рекомендации: